pytorch 多个模型求平均

最新推荐文章于 2024-01-10 18:02:02 发布

AI算法网奇

最新推荐文章于 2024-01-10 18:02:02 发布

阅读量825

点赞数 1

分类专栏：数据结构与算法文章标签： pytorch 人工智能 python

本文链接：https://blog.csdn.net/jacke121/article/details/131365177

版权

数据结构与算法专栏收录该内容

75 篇文章 29 订阅 ¥9.90 ¥99.00

订阅专栏

超级会员免费看

本文详细探讨了如何在PyTorch框架下，对多个深度学习模型的预测输出进行平均，以提高预测的稳定性和准确性。通过实例代码展示了如何将不同模型的预测概率或特征向量进行加权平均，从而获得更可靠的综合预测结果。

摘要由CSDN通过智能技术生成

from collections import OrderedDict

import torch

from models.faceland_d import FaceLanndInference_d

if __name__ == '__main__':

    model = FaceLanndInference_d()

    model_paths = ["./weights_d/0.0680_slim128_epoch_52.pth",
    "./weights_d/0.0680_slim128_epoch_52.pth"]
    if model_paths:
        bone_dict = model.state_dict()
        new_state_dict = OrderedDict()
        data_len=len(model_paths)
        for model_path in model_paths:
            state_dict = torch.load(model_path)

            for k, v in state_dict.items():
                head = k[:7]
                if head == 'module.':
                    tmp_name = k[7:]  # remove `module.`

了解本专栏